A releváns termékajánlások nagyban tudják javítani a felhasználói élményt, ezáltal növelik a konverziót, a vásárlói hűséget és elkötelezettséget is.
Nem mindig könnyű a vásárlók fejével gondolkodni. Kereskedőként könnyen eshetünk abba a hibába, hogy azt véljük: minél szélesebb termékkínálattal “öntjük nyakon” a vevőket, annál nagyobb lesz a konverziónk.
Pedig valójában mi is a céljuk? Amikor valaki ellátogat egy online vagy fizikai üzletbe, nem feltétlenül egy adott terméket keres. Sokkal inkább egy igényt szeretne kielégíteni, ami felmerült az életében, és ehhez próbálja megtalálni a legmegfelelőbb megoldást.
Vegyünk példának egy kerékpár-szerszámkészletet! Ha valaki ilyet keres, a végső célja nem pusztán az, hogy legyen otthon ilyen, még csak nem is az, hogy megjavítsa a biciklijét, hanem hogy a segítségével egy jól működő kerékpárral sportolhasson, vagy egy kiránduláson élményekkel gazdagodjon a barátaival. Ehhez egyszerűen és gyorsan szeretné megtalálni a megfelelő terméket, és számos egyéb dologra is szüksége lehet, amire talán nem is gondolt.
A sikeres értékesítés (és felülértékesítés, vagyis upselling) nagymértékben múlik azon, hogy mennyire tudunk segíteni a vásárlónak, felmérni a valódi igényeit, és – akár egy fizikai üzletben egy képzett eladó – odairányítani a számára ideális termékekhez, alternatívákat és kiegészítőket ajánlani neki, mindezt gyorsan és hatékonyan.
Mi a perszonalizáció, és miért fontos egy webshopban?
Az e-kereskedelmi perszonalizáció nem más, mint az adott felhasználó viselkedésére, kereséseire vonatkozó adatok, akár helyadatok, továbbá a böngészésre használt eszköz és operációs rendszer adatainak összegyűjtése és elemzése, így megismerve a vásárlói preferenciákat, és hatékonyan segítve a vásárlást, illetve a jobb vásárlói élményt.
Mindez a mesterséges intelligenciára (AI) épül, amely tömeges összehasonlító adatelemzésre képes: hasonló korábbi felhasználók viselkedése alapján “megjósolja” egy adott vásárló preferenciáit. Így, a “wisdom of the crowd” (a tömeg bölcsessége) elvét követve képes arra, hogy megfelelő termékeket vagy akár kapcsolódó árucikkeket ajánljon a vásárlónak – jelentősen növelve ezzel a konverziót és a kosárértéket.
Az Infosys globális technológiai kutató és tanácsadó cég adatai szerint perszonalizáció alkalmazásával a kereskedők - 74%-a érzékelte az eladások növekedését, - 61%-a számolt be profitjának emelkedéséről, - 58%-a az online forgalom növekedését emelte ki, - 55%-uk pedig a vásárlói hűségben érzékelt erősödést.
Gyakran hallhatunk negatív hangokat, amikor valaki észreveszi, hogy a Google vagy egy-egy közösségi platform elkezd a viselkedése alapján megjeleníteni számára hirdetéseket és ajánlásokat, mondván:“Engem csak ne elemezgessen senki!”. Valójában ilyenkor abba nem gondol bele az illető, hogy enélkül is látna tartalmakat, de azok egyáltalán nem volnának relevánsak számára, így sokkal inkább zavaróak lennének.
Nincs ez másként egy webshopban sem: ha egy felhasználó csak kategóriaoldalak útvesztőjében bolyongva, vagy rosszul működő keresőn és rengeteg irreleváns találaton átvergődve találná meg a kívánt árucikket, valószínűleg feladná, mielőtt bármit vásárolna tőlünk. Pedig lehet, hogy épp mi áruljuk a számára tökéletes terméket!
Hogyan működnek az ajánlórendszerek?
Miként tudunk segíteni potenciális vásárlóinknak az online kereskedelem világában? Mivel itt nincs egy hús-vér értékesítőnk, aki elvezeti őket a megfelelő termékhez, egy hatékonyan működő ajánlórendszer lehet a megoldás számukra. A megfelelő adatok birtokában egy ajánlórendszer képes arra, hogy
- a keresőmezőben hasznosabb, a vevőre szabott találatokat listázzon,
- vizuálisan is megjelenítsen releváns termékeket ajánlódobozokban,
- a weboldal elrendezését is a vásárló preferenciái alapján alakítsa át,
- vagy akár perszonalizált hírleveleket küldjön termékjavaslatokkal.
A gépi tanulás alapú ajánlórendszereknek – jellegükből adódóan – némi időre van szükségük ahhoz, hogy hatékonyan működjenek, de már kezdetben is képesek például a terméknév és -kategória, az ár és más attribútumok alapján kapcsolódásokat alkotni. Aztán ahogy egyre több vásárlói adat áll rendelkezésükre, egyre pontosabban fogják tudni személyre szabni az egyes ajánlásokat.
A fenti okból kifolyólag az ajánlórendszer-szolgáltatók rendszerint biztosítanak néhány napos próbaidőszakot, hogy összegyűlhessen az elégséges mennyiségű oldallátogatás, vásárlási információ és felhasználói adat a releváns ajánlásokhoz. Így a kereskedő láthatja a rendszer működésének hatékonyságát. Az egyik legnagyobb, világszinten is jelentős hazai szolgáltató, a Yuspify például 14 napot biztosít erre, teljes funkcionalitással.
Megfelelnek-e az egyre szigorodó adatvédelmi szabályoknak?
Sokat hallani arról, hogy folyamatosan szigorodik a felhasználói adatokat védő törvényi szabályozás, ami természetesen a webáruházakat is érinti. Hazánkra mint EU tagországra az egyes esetekben különösen rigorózus GDPR irányelvei érvényesek. Így felmerül a kérdés: hogyan tudnak megfelelni ezek a rendszerek az előírásoknak, ha egyszer felhasználói adatok gyűjtésén alapulnak?
- A törvényi megfelelés kulcsa a helyes adatkezelésben rejlik. Mivel ezek a rendszerek nagyrészt álnevesített adatokkal dolgoznak, és titkosítással kezelik a személyes információkat, az egyénekre vonatkozó adatok nem nyerhetők ki belőlük.
- A legtöbb ajánlórendszer valóban használ olyan technikai megoldásokat, mint például cookie-k küldése, ám ha azok használatához a felhasználó hozzájárul, és a kellő tájékoztatás mellett elfogadja a felhasználási feltételeket, az szintén megfelel az irányelveknek.
- Ennek hiányában is tudnak működni az ajánlások, mert kontextuális, item-to-item alapon, vagy népszerű termékeket javasolva szintén hatékonyan segíthetik az értékesítést.
Hogyan integrálhatóak a meglévő webáruházunkba?
A szolgáltatók arra törekednek, hogy a rendszereiket minél könnyebben, lehetőleg informatikus segítsége nélkül is képesek legyenek a kereskedők beépíteni a webshopokba. Egyedi fejlesztésű webáruházak esetén azonban szükség lehet fejlesztőcsapat közreműködésére, mert az adatok átadását az ajánlórendszer felé API kapcsolaton keresztül kell megvalósítani. Mivel ezeket az adatokat általában már az analitikai szoftver is használja, az integráció jellemzően nem igényel rengeteg fejlesztői munkaórát.
A bérelhető webáruház-platformokhoz sok esetben már elérhetők a nagyobb ajánlórendszer-szolgáltatók integrációs moduljai, így ezekkel igazán könnyű dolguk van a kereskedőknek. Az egyik legnagyobb hazai webshopszolgáltatóhoz, az UNAS-hoz például használhatjuk a Yuspify modulját, és – ahogy az alábbi segédletben láthatjuk – valóban néhány kattintással összeköthetjük a két rendszert.
A Yuspify kiállítói ajánlata a 2022-es Ecommerce Expo-n: - díjmentes regisztráció, - díjmentes, brandazonos ajánlódoboz design 48 órán belül, - 14 napos, díj-és kötelezettségmentes próbaidőszak, - 2x30% kedvezmény a havidíjból.
(Támogatott tartalom)
